ESPACIOS VECTORIALES

Noción de Espacio Vectorial

• Son la generalización de las ideas de vector
geométrico, vector en 𝑹𝒏 , matriz, etc.

• Definición de Espacio Vectorial

Un espacio vectorial real es una terna formada
por un conjunto V (vectores) no vacío y dos
operaciones, (suma y producto) que satisfacen
las siguientes propiedades:
• 𝑢+𝑣 =𝑣+𝑢
• 𝑢+ 𝑣+𝑤 = 𝑢+𝑣 +𝑤
• Existe un único vector 𝟎 , llamado vector
cero tal que: 𝟎 + 𝒗 = 𝒗 + 𝟎
• Para cada 𝒖 en V (𝒖 𝝐 𝑽) existe un vector
único, llamado opuesto de 𝒖, notado por
− 𝒖, tal que:
𝒖 + −𝒖 = −𝒖 + 𝒖 = 𝟎
 Si 𝒖 es cualquier elemento de 𝑽 y 𝒄 es cualquier
número real, entonces, 𝒄𝒖 está en 𝑽
(es decir, 𝑽 es cerrado bajo la operación
producto).

• 𝒄 𝒖 + 𝒗 = 𝒄𝒖 + 𝒄𝒗, ∀ real 𝒄 y toda 𝒖 y 𝒗 en 𝑽

• 𝒄 + 𝒅 𝒖 = 𝒄𝒖 + 𝒅𝒖
• 𝒄𝒅 𝒖 = 𝒄 𝒅𝒖
• 𝟏. 𝒖 = 𝒖
 Algunos ejemplos de Espacios vectoriales que
podemos mencionar son:
• Los números reales.
• Los números complejos.
• Los vectores en el plano.
• Los vectores en el espacio.
• Los polinomios de grado menor o igual que
n.
• Las funciones reales de variable real con
dominio D.
• Las funciones continuas en un intervalo.
• Las funciones derivables en un punto.
• Las funciones integrables en un intervalo.
Ejemplo 1:
Considere el conjunto V de todas las ternas
ordenadas de números reales de la forma
(x, y, 0), y defina las operaciones (+) (suma
vectorial) y (∙) (producto por un escalar) como

𝒙, 𝒚, 𝟎 + 𝒙′ , 𝒚′ , 𝟎 = (𝒙 + 𝒙′ , 𝒚 + 𝒚′ , 𝟎)

Demostrar que 𝑽 es un espacio vectorial y

cumple las propiedades anteriores.
Ejemplo 2: Sea
ℝ𝑛 = 𝑥1 , 𝑥2 , … , 𝑥𝑛 𝑡. 𝑞. 𝑥𝑖 ∈ ℝ, 𝑖 = 1,2,3, … , 𝑥𝑛
Con las operaciones:

𝑥1 , 𝑥2 , … , 𝑥𝑛 + 𝑦1 , 𝑦2 , … , 𝑦𝑛
= 𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , … , 𝑥𝑛 + 𝑦𝑛

𝛼. 𝑥1 , 𝑥2 , … , 𝑥𝑛 = 𝛼𝑥1 , 𝛼𝑥2 , … , 𝛼𝑥𝑛

Es un espacio vectorial. Demostrar

Ejemplo 3: Sea el conjunto de los polinomios de
grado menor o igual que 𝑛.

𝑃𝑛 = 𝑎𝑛 𝑥 𝑛 + 𝑎𝑛−1 𝑥 𝑛−1 + ⋯ + 𝑎1 𝑥 + 𝑎0 /𝑎𝑖 ∈ ℝ

Con las operaciones
𝑝 𝑥 + 𝑞 𝑥 = (𝑎𝑛 + 𝑏𝑛 )𝑥 𝑛 + (𝑎𝑛−1 +
• Ejercicio:

Demostrar que el conjunto de las matrices reales

de 𝒎 filas y 𝒏 columnas forman un espacio
vectorial con la suma y el producto de escalares
por matrices.

𝑎11 𝑎12 … 𝑎1𝑛

𝑎21 𝑎22 … 𝑎2𝑛
𝑀𝑚×𝑛 ℝ =
⋮ ⋮ ⋮
𝑎𝑚1 𝑎𝑚2 𝑎𝑚𝑛
 Definición de Subespacio Vectorial
• Sean V un espacio vectorial y W un
subconjunto no vacío de V. Si W es un espacio
vectorial con respecto a las operaciones en V,
entonces W es un subespacio de V.

Cada espacio vectorial tiene por lo menos dos

subespacios: él mismo, y el subespacio {0} que
consta sólo del vector cero.
El subespacio {0} es denominado el subespacio
cero.
Teorema
Sea S un subconjunto no vacío de un espacio
vectorial V. Entonces S es un subespacio de V, si y
sólo si, se cumplen las siguientes condiciones:
𝑢 + 𝑣 ∈ 𝑆, 𝑆 𝑒𝑠 𝑐𝑒𝑟𝑟𝑎𝑑𝑜 𝑝𝑎𝑟𝑎 𝑙𝑎 𝑠𝑢𝑚𝑎.

∝. 𝑢 ∈ 𝑆,
𝑆 𝑒𝑠 𝑐𝑒𝑟𝑟𝑎𝑑𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑝𝑜𝑟 𝑒𝑠𝑐𝑎𝑙𝑎𝑟,
donde 𝑢 𝑦 𝑣 𝑠𝑜𝑛 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑟𝑖𝑜𝑠 𝑑𝑒 𝑆 𝑦 ∝
𝑒𝑠 𝑢𝑛 𝑒𝑠𝑐𝑎𝑙𝑎𝑟 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟𝑎.
Ejemplo 4:
Sea S = {𝑢∈ ℝ2 |𝑢 = (x,2x); x ∈ ℝ}. Entonces:
1. 0ℝ2 = 0,0 = (0,2.0) ∈ 𝑆

2. 𝑢, 𝑣 ∈ S, 𝑢= (x, 2x), 𝑣= (y, 2y), así que:

𝑢 + 𝑣 = (x,2x)+(y,2y)
=(x+y, 2x+2y)=(x+y,2(x+y)) ∈ 𝑆

3. Si 𝜆 ∈ ℝ 𝑦 𝑢 = 𝑥, 2𝑥 ∈ 𝑆, 𝜆𝑢 = 𝜆 𝑥, 2𝑥 =
𝜆𝑥, 𝜆2𝑥 = (𝜆𝑥, 2 𝜆𝑥 ) ∈ 𝑆
De 1, 2 y 3, 𝑆 < ℝ2 . Geométricamente, 𝑆 es la línea recta
con pendiente 2 que pasa por el origen.
 Ejercicios:
Sea 𝑉 = ℝ3 𝑦 𝑆 ⊂ ℝ3 . Verificar en cada ejercicio si
𝑆 es o no subespacio vectorial de 𝑉.

1. 𝑆 = 𝑥1 , 𝑥2 , 𝑥3 𝑥1 + 𝑥2 = 0, 𝑦 , 𝑥3 ∈ ℝ
2. 𝑆 = 𝑥1 , 𝑥2 , 𝑥3 𝑥1 + 𝑥2 = 0, 𝑦 , 𝑥3 ∈ 1
3. 𝑆 = 𝑥1 , 𝑥2 , 𝑥3 𝑥1 = 2𝑥3 , 𝑥2 = −3𝑥3 , 𝑦 , 𝑥3 ∈
Definición de Combinación Lineal
• Sean 𝑣1 , 𝑣2 , … , 𝑣𝑘 vectores en un espacio
vectorial 𝑉. Un vector 𝑣 𝑒𝑛 𝑉 es una
combinación lineal de 𝑣1 , 𝑣2 , … , 𝑣𝑘 si
𝑣 = 𝑐1 𝑣1 + 𝑐2 𝑣2 + ⋯ + 𝑐𝑘 𝑣𝑘

Definición de Dependencia Lineal

Los vectores 𝑣1 , 𝑣2 , … , 𝑣𝑘 en un espacio
vectorial 𝑉 son linealmente dependientes si
existen constantes 𝑐1 , 𝑐2 , … , 𝑐𝑘 no todas iguales
a cero, tales que
𝑐1 𝑣1 + 𝑐2 𝑣2 + ⋯ + 𝑐𝑘 𝑣𝑘 = 0
 Definición de Independencia Lineal
Los vectores 𝑣1 , 𝑣2 , … , 𝑣𝑘 en un espacio vectorial
𝑉 son linealmente independientes si siempre que
𝑐1 𝑣1 + 𝑐2 𝑣2 + ⋯ + 𝑐𝑘 𝑣𝑘 = 0
𝑐1 = 𝑐2 = ⋯ = 𝑐𝑘 = 0
−1 −2
Ejemplo 5: Determinar si los vectores 1 y 0
0 1
0 1
son linealmente dependientes o independientes.

Se forma la ecuación
 −1 −2 0
𝑐1 1 +𝑐 0 = 0 obteniendo el sistema
0 2 1 0
0 1 0
homogéneo
−𝑐1 − 2𝑐2 = 0
𝑐1 + 0𝑐2 = 0
0𝑐1 + 𝑐2 = 0
0𝑐1 + 𝑐2 = 0

Cuya única solución es 𝑐1 = 𝑐2 = 0. Entonces los

vectores dados son linealmente independientes.
Ejemplo
Demostrar si el conjunto es linealmente
dependiente o independiente.
(1,3,-4), (7,-12,23), (3,-2,5).
Ejercicios
 Ejercicios:
1. Sea 𝑉 el espacio vectorial de las matrices 2 × 2 y
sea 𝑈 = 𝐴1 , 𝐴2 , 𝐴3 un subconjunto de tres
matrices tales que
1 1 1 1 1 0
𝐴1 = ; 𝐴2 = ; 𝐴3 =
1 0 0 1 1 1
Determinar si el sistema es linealmente
independiente o dependiente.
2. Sea 𝑈 = 𝑓1 𝑥 = 1, 𝑓2 𝑥 = 𝑥, 𝑓3 𝑥 = 𝑥 2
Determinar si el sistema es linealmente
independiente o dependiente.
 BASES Y DIMENSIÓN
BASE
Definición: Los vectores 𝑣1 , 𝑣2 , … , 𝑣𝑘 en un
espacio vectorial 𝑉 forman una base para 𝑉 si
a. 𝑣1 , 𝑣2 , … , 𝑣𝑘 generan a 𝑉.
b. 𝑣1 , 𝑣2 , … , 𝑣𝑘 son linealmente independientes.

Si los vectores 𝑣1 , 𝑣2 , … , 𝑣𝑘 forman una base para

un espacio vectorial 𝑉, ellos son distintos y no
nulos; por esto se escribirán como un conjunto
𝑣1 , 𝑣2 , … , 𝑣𝑘
Ejemplo 6:

Los vectores 𝑒1 = (1,0) y 𝑒2 = (0,1) forman

una base para ℝ2 ; los vectores 𝑒1 , 𝑒2 , 𝑒3 forman
una base para ℝ3 y, en general, los vectores
𝑒1 , 𝑒2 , … , 𝑒𝑘 forman una base para ℝ𝑛

Cada uno de estos conjuntos de vectores se

llama base natural, base estándar o base
canónica para ℝ2 , ℝ3 y ℝ𝑛 respectivamente.
Ejemplo 7:
Mostrar que el conjunto 𝑆 = 𝑣1 , 𝑣2 , 𝑣3 , 𝑣4
donde 𝑣1 = 1,0,1,0 , 𝑣2 = 0,1, −1,2 ,
𝑣3 = 0,2,2,1 𝑦 𝑣4 = (1,0,0,1) ,
es una base para ℝ4 .
Formamos la ecuación
𝑐1 𝑣1 + 𝑐2 𝑣2 + 𝑐3 𝑣3 + 𝑐4 𝑣4 = 0
Se obtiene el sistema lineal
𝑐1 + 𝑐4 = 0; 𝑐2 + 2𝑐3 = 0;
𝑐1 − 𝑐2 + 2𝑐3 = 0 ; 2𝑐2 + 𝑐3 + 𝑐4 = 0
Cuya solución es 𝑐1 = 𝑐2 = 𝑐3 = 𝑐4 = 0 lo
cual muestra que 𝑆 es linealmente independiente.
Para mostrar que 𝑆 genera a ℝ4 ,
sea 𝑣 = (𝑎, 𝑏, 𝑐, 𝑑) un vector cualquiera de ℝ
Debemos encontrar constantes 𝑘1 , 𝑘2 , 𝑘3 𝑦 𝑘4
tales que 𝑘1 𝑣1 + 𝑘2 𝑣2 + 𝑘3 𝑣3 + 𝑘4 𝑣4 = 𝑣

Cuando se sustituyen 𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 es siempre

posible hallar una solución (verifíquelo)
𝑘1 , 𝑘2 , 𝑘3 𝑦 𝑘4 del sistema lineal resultante, para
cualesquiera a, b, c, d; por lo tanto, 𝑆 genera a ℝ4 .

Se concluye así que S es una base para ℝ4 .

Dimensión
Definición: Si un espacio vectorial 𝑉 tiene una
base 𝐵 con 𝑛 elementos (𝑛 ∈ ℕ) definimos a 𝑛
como la dimensión del espacio vectorial 𝑉, y
escribiremos
𝑛 = dim 𝑉
La dimensión de ℝ4 es 4; la dimensión de ℝ3 es 3;
y en general, la dimensión de ℝ𝑛 es 𝑛.

Ejemplo 8: Sea 𝑉 el espacio vectorial de las

matrices 𝑚 × 𝑛 y sean las matrices
 1 0 0…0 0 1 0…0
𝐸11 = 0 0 0…0 𝐸12 = 0 0 0…0
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
0 0 0…0 0 0 0…0

0 0 0…0
𝐸𝑖𝑗 = 0 0 0 … 0 En la fila 𝑖 columna 𝑗
⋮ ⋮ ⋮
0 1 0…0

1 0 0…0
𝐸𝑚𝑛 = 0 0 0…0
⋮ ⋮ ⋮
0 0 0…1
Entonces el conjunto
𝐵 = 𝐸11 , 𝐸12 , … , 𝐸𝑖𝑗 , … , 𝐸𝑚𝑛 es una base de 𝑉,
llamada base canónica del espacio vectorial de las
matrices de tamaño 𝑚 × 𝑛.
Por tanto 𝑑𝑖𝑚 𝑉 = 𝑚. 𝑛
Rango de un espacio vectorial: Dado un conjunto de
vectores si quitamos aquellos que sean combinación
lineal de los demás, queda finalmente un cierto número
de vectores, que ya son independientes.
El rango es, por tanto, el número de vectores
independientes que contiene el conjunto.

Bases Ortonormales y Proyecciones en ℝ𝑛

Conjunto Ortonormal en ℝ𝒏
Se dice que un conjunto de vectores
𝑆 = 𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑘 en ℝ𝒏 es un conjunto
ortonormal si
 𝑢𝑖 . 𝑢𝑗 = 0 𝑠𝑖 𝑖 ≠ 𝑗
𝑢𝑖 . 𝑢𝑖 = 1
Si sólo satisface la primera ecuación, se dice que el
conjunto es ortogonal.

Definición: La longitud o norma de un vector 𝑣,

denotada por 𝑣 = 𝑣. 𝑣
Si 𝑆 = 𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑘 es un conjunto ortogonal
de vectores diferentes de cero, entonces 𝑆 es
linealmente independiente.
Proceso de Ortonormalización de Gram-Schmidt
Sea 𝐻 un subespacio de dimensión 𝑚 de ℝ𝒏 .
Entonces 𝐻 tiene una base ortonormal.

El proceso de ortogonalización de Gram–

Schmidt es un algoritmo para construir, a partir
de un conjunto de vectores linealmente
independientes, otro conjunto ortonormal de
vectores que genere el mismo subespacio
vectorial.
 Paso 1. Elección del primer vector unitario
𝑣1
𝑢1 = tal que 𝑢1 . 𝑢1 = 1
𝑣1

Paso 2. Elección de un segundo vector ortogonal a 𝑢1

𝑣2 . 𝑢1
𝑢2 = 𝑣2 − 𝑢1
𝑢1 . 𝑢1
Paso 3. Elección de un tercer vector ortogonal a 𝑢1
𝑣3 . 𝑢1 𝑣3 . 𝑢2
𝑢3 = 𝑣3 − 𝑢1 − 𝑢2
𝑢1 . 𝑢1 𝑢2 . 𝑢2
Y así sucesivamente:
 𝑣𝑛 . 𝑢1 𝑣𝑛 . 𝑢2 𝑣𝑛 . 𝑢𝑛−1
𝑢𝑛 = 𝑣𝑛 − 𝑢1 − 𝑢2 − ⋯ − 𝑢𝑛−1
𝑢1 . 𝑢1 𝑢2 . 𝑢2 𝑢𝑛−1 . 𝑢𝑛−1